MétaCan
Menu
Retour à la cohorte
Enregistrement W4416089384 · doi:10.1016/j.energy.2025.139241

Assessing vulnerability to energy poverty through occupant-centric building simulations

2025· article· en· W4416089384 sur OpenAlexafffundabout
Debby Veillette, Jean L. Rouleau, Louis Gosselin

Notice bibliographique

RevueEnergy · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec
Mots-clésEnergy povertyPovertyVulnerability (computing)Energy (signal processing)Work (physics)Fuel povertyBuilding energy simulationMonte Carlo method

Résumé

récupéré en direct d'OpenAlex

Energy poverty is a global issue that exists even in developed countries such as Canada. As of today, it is still a challenge to understand how building characteristics and diversity of occupants needs influence the risk of energy poverty. The objective of this paper is to develop a new framework to assess the risk of energy poverty by combining a probabilistic occupant behaviour model, a building energy model, and an energy poverty evaluation method. Monte Carlo simulations of 3,000 occupant profiles yielded energy rate distributions among households potentially occupying a specific dwelling, which can then be compared to recognized energy poverty thresholds (2M method). This work was repeated for three types of dwellings (average, code-compliant, and high-performance) and different energy rates. The study findings indicate that one-person households remain the most vulnerable to energy poverty within the simulated population. The risk of energy poverty is substantially heightened in buildings with lower energy performance. With a Market Basket Measure income, the fraction of one-person households facing energy poverty is 53.68% in the average-performance building and reduces to 13.73% and 0.12% in code-compliant and high-performance buildings, respectively. Energy poverty risk is also very sensitive to energy price variation and household annual income. It was also found that households with a Market Basket Measure income that were classified as not facing energy poverty shared distinct features compared to those who did (e.g., lower heating set-point temperature). The paper offers a method to help building designers and policy-makers to better consider energy poverty issues. • Monte Carlo simulations are carried out to assess risks of energy poverty. • The design of residential buildings is an important determinant of energy poverty. • Smaller households are more vulnerable to energy poverty. • Energy poverty in lower-performance buildings is more sensitive to energy rates. • Behaviors that prevent energy poverty typically lead to more discomfort.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,892
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,298
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnergyMême sujetEnergy and Environment ImpactsTravaux en français237 207